基于可见光影像的面向对象滑坡提取方法研究

发布时间：2021-07-10 08:57

　　以雅安市芦山县城2013-04-20地震受灾区域为研究区,针对灾前资源三号融合影像、灾前DEM数据以及灾后无人机可见光影像数据,采用多尺度分割的面向对象方法对两时相影像进行分割,随后采用变化矢量分析（change vector analysis,CVA）-最大数学期望方法（expectation-maximizationalgorithm,EM）对受灾前后的研究区进行变化检测,最后结合DEM并计算可见光波段差异植被指数（visible-band difference vegetation index,VDVI）获取滑坡信息,将提取结果与人工解译结果进行比对分析,提取精度达到81.7%。实验结果表明这是一种有效且具有潜力的方法,可为无人机遥感应用于灾情应急提供技术支撑。 

【文章来源】：地理空间信息. 2020,18(02)

【文章页数】：6 页

【部分图文】：

研究区域

实验方法流程图

LV-ROC中LV是地理对象内部所有像素点计算得到的标准差，反映的是分割结果的均质性。随着分割尺度的增大，LV达到某个最大范围后不再增加，这个最大值对应的尺度ROC则为最优尺度。在操作地理对象时还应考虑到波段权重、对象的形状、色彩、光滑度等因素。在确定分割尺度后根据实验结果设定波段权重为1∶1∶1，无人机影像分割尺度为110，形状0.3，紧凑度0.6；资源三号影像分割尺度20，形状0.2，紧凑度0.5，分割结果如图3。3.2 变化阈值自动提取

【参考文献】：
期刊论文
[1]无人机高分辨率遥感影像地震滑坡信息提取方法[J]. 付萧,郭加伟,刘秀菊,鲁恒,杨正丽,项霞.  地震研究. 2018(02)
[2]无人机遥感数据处理与滑坡信息提取[J]. 陈天博,胡卓玮,魏铼,胡顺强.  地球信息科学学报. 2017(05)
[3]四川芦山县镇西山滑坡机理分析及治理[J]. 刘秀会,杨楠.  油气田地面工程. 2016(08)
[4]基于可见光波段无人机遥感的植被信息提取[J]. 汪小钦,王苗苗,王绍强,吴云东.  农业工程学报. 2015(05)
[5]一种面向地理对象的遥感影像变化检测方法[J]. 佃袁勇,方圣辉,姚崇怀.  武汉大学学报(信息科学版). 2014(08)
[6]基于SPOT5遥感影像的浅层滑坡体自动提取方法[J]. 杨树文,谢飞,韩惠,冯光胜.  测绘科学. 2012(01)
[7]无人机航空遥感系统在灾害应急救援中的应用[J]. 雷添杰,李长春,何孝莹.  自然灾害学报. 2011(01)
[8]基于对象的高分辨率遥感图像滑坡检测方法[J]. 胡德勇,李京,赵文吉,彭光雄.  自然灾害学报. 2008(06)
[9]基于地貌特征的浅层崩滑体遥感自动识别[J]. 姚鑫,张永双,王献礼,熊探宇.  地质通报. 2008(11)

硕士论文
[1]变化检测和面向对象结合的高分辨率遥感影像滑坡体提取方法研究[D]. 张帅娟.西南交通大学 2017
[2]面向对象高分辨率遥感数据滑坡灾害信息提取研究[D]. 张雅莉.兰州大学 2015
[3]国产卫星数据在地质灾害遥感调查中的应用研究[D]. 王龙飞.中国地质大学（北京） 2014



本文编号：3275609